基于改进BP神经网络的恐怖袭击事件分级研究 |
| |
引用本文: | 李乐天,郑何真,丁 晨,许永峰.基于改进BP神经网络的恐怖袭击事件分级研究[J].教育技术导刊,2019,18(5):21-26. |
| |
作者姓名: | 李乐天 郑何真 丁 晨 许永峰 |
| |
作者单位: | 西北大学 数学学院,陕西 西安 710127 |
| |
摘 要: | 为准确快速地对恐怖袭击事件进行分级,帮助建立恐怖袭击事件应急预案,提出一种基于模糊聚类算法和模拟退火遗传算法优化BP神经网络的恐怖袭击事件分级模型。通过模糊聚类算法划分样本训练集,利用BP神经网络的自学习能力获取输入与输出之间的模糊规则,采用模拟退火遗传算法提高神经网络精度。以GTD数据库样本为例,经实验得到普通BP神经网络的分级正确率为94.32%,模拟退火遗传算法优化的BP神经网络分级正确率可提升到99.88%,验证了基于模糊聚类算法和模拟退火遗传算法优化BP神经网络分级模型的有效性。
|
关 键 词: | 恐怖袭击事件 分级模型 模糊聚类分析 BP神经网络 模拟退火遗传算法 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|